بناء أنظمة التداول الآلية جافا
مرحبا بكم في الصفحة الرئيسية لنظام التداول جافا المفتوحة.
ويهدف نظام فتح جافا للتجارة (أوجتس) ليكون بنية تحتية مشتركة لتطوير أنظمة تداول الأسهم. وهو يتألف من أربعة أجزاء: جمع البيانات الخام عبر الإنترنت الاعتراف إشارات التداول وحدة التصور والوحدات للاتصال واجهات برمجة منصات التداول مثل البنوك. ويهدف المشروع إلى توفير بنية تحتية مشتركة جاوة نقية مستقلة (منصة مستقلة) لمطوري أنظمة التداول. بعض الجوانب التي يجب معالجتها هي توفير مخطط قاعدة بيانات متوافق مع SQL92 لتخزين البيانات المالية، واجهات جافا الشائعة لكيفية تبادل البيانات بين وحدات مختلفة، وتصور البيانات المالية الخام وإشارات التداول والعديد من الجوانب المشتركة الأخرى اللازمة لإنشاء نظام التداول النهائي.
بسبب عملي وعائلتي أنا لا أجد الوقت لتحسين أوجتس لفترة أطول. أنا مستمر في تحديث قسم الروابط أدناه التي سوف توجه لكم لمشاريع جافا مفتوحة المصدر أكثر نشاطا في هذا المجال، على الرغم من.
في الواقع كنتيجة لاهتمام بلدي في ديناميات أسواق الأسهم بدأت رحلة إلى تفاصيل أعمق من الاقتصاد الوطني من أجل فهم أسعار صرف العملات. هذا الموضوع يقودني أخيرا إلى دراسة أعمق للمال في حد ذاته وحدة القياس التي نستخدمها في الاقتصاد لقياس "القيمة"، "النجاح" أو "فائدة". هذا الموضوع تبين أن مثيرة للاهتمام للغاية ولكن في الوقت نفسه كان من الصعب جدا العثور على أي معلومات حول كيفية عمل نظامنا النقدي. نتجول ونطلب من الناس حيث يأتي المال، الذي يخلق ذلك وما الذي يحدد قيمتها. ستلاحظ أنه حتى الناس الذين لديهم درجة الماجستير أو دكتوراه في الطب. في الاقتصاد لن يعرف هذه التفاصيل. أوه، نعم، سوف يجيبون في بعض المصطلحات الفنية الخفية، لكنها لن تكون قادرة على رسم رسم تخطيطي بسيط الذي يحدد العملية.
وأفيد أن G. G. ويلز قال:
"عادة ما يتم الاعتراف بكتابة العملة على أنها ممارسة لا يمكن الاعتراض عليها، بل هي تقريبا غير لائقة، وممارسة المحررين سوف يناشد الكاتب بالدموع تقريبا لا يكتب عن المال، وليس لأنه موضوع غير مهتم، ولكن لأنه كان دائما مثيرة للقلق عميق ".
أقترح على أي شخص يعيش في مجتمع ديمقراطي أن يقرأ عن هذا الموضوع. فإنه يؤثر على حياتنا كل يوم إلى حد لا يمكن أن تكون مفرغة! في رأيي كل مواطن من بلد ديمقراطي على هذا العالم يجب أن تعرف أين تأتي أموالنا. على الأرجح أنك وصلت إلى هذا الموقع على شبكة الإنترنت من أجل البحث عن الأدوات التي تساعدك في زيادة الثروة النقدية الخاصة بك. لفهم وحدة متري "المال" (بغض النظر عن الدولار أو اليورو) سيكون عنصرا هاما في الأدوات الخاصة بك لكسب المال.
إذا كان لديك القليل من الوقت، ويمكن فقط أن تحمل قراءة كتاب واحد واحد حول هذا الموضوع ثم أقترح عليك قراءة الثروة والثروة الافتراضية والديون من قبل فريدريك سودي. كنت قادرا على شراء نسخة مستعملة عبر الأمازون عن 23.48 $، ولكن هناك أيضا نسخة على الانترنت. سوف تحتاج إلى البرنامج المساعد دجفو لقراءته. وقد نشر هذا الكتاب أصلا في عام 1929، ولكن لا يزال يصف الحقائق الفعلية بشكل جيد للغاية. حتى لو كنت لا أتفق مع كل استنتاجات فريدريك سودي عمله يعتقد بشكل مثير إثارة وسوف تقودك لطرح الأسئلة الصحيحة.
الإصدارات، بوغفيكسس والوثائق المحدثة.
أنا التحقيق في كيفية جعل أوجتس أكثر توافقا مع جهود نظام التداول جافا أخرى.
هناك ويكي جديدة متاحة في إيتسدوك مع التركيز على توزيع المعرفة في مجال الاستثمار ونظم التداول. الفكرة وراء إيتسدوك هو أن يكون منصة تعاون مماثلة ل ويكيبيديا مساعدة المجتمع لتبادل المعرفة.
أمس أصدرت الإصدار 0.13 من مكتبة أوبينجافاترادينغسيستم. من بين الميزات الجديدة هي: استرجاع البيانات للأسهم والصناديق والعملات من أونفيستا. تنفيذ التعامل مع العملات والتحويلات. يتم تنفيذ المحافظ، ويمكنك العمل مع المحافظ بنفس الطريقة كما هو الحال مع البنود ورقة الأمن واحد. وأضاف إطار عام لتطبيق الخوارزميات لسلسلة زمنية سوق الأوراق المالية. تحولت من قذيفة تفاعلية سيسك / مخطط إلى أبكل / كومونليسب بالإضافة إلى محرر لها يسمى "J". تمت إضافة آلية عامة للتخزين المؤقت للبيانات لتخزين البيانات التي تم استرجاعها بالفعل عبر الويب في نظام الملفات. بالإضافة إلى العديد من التحسينات الطفيفة إذا كنت مهتما في هذا الإصدار الجديد يجب أن تبدأ في القسم بدء التشغيل السريع / قطة. لم يتم تحديث الدليل حتى الآن ولكن يمكن أن تعطيك مع ذلك بعض المعلومات الأساسية قيمة إذا كنت ترغب في استخدام المكتبة في المشروع الخاص بك. وينبغي تحديث الوثائق قريبا.
كابل بيانات.
وثائق تصف الداخلية للمشروع. جافا كائنات بيانات واجهة الوثائق.
& غ؛ & غ؛ هتمل & غ؛ & غ؛ بدف إنفستمنت أند ترادينغ سيستيم دوكومنتاتيون بروجيكت.
تقنية.
كتل بناء الطرف الثالث المستخدمة في هذا المشروع.
و هكلدب هو محرك قاعدة البيانات التي يتم شحنها مع المشروع بحيث يمكنك البدء فورا باستخدام أوجتس دون تثبيت قاعدة بيانات طرف ثالث. ولكن إذا كنت تخطط لاستخدام قاعدة بيانات متوافقة مع SQL92 آخر ثم هذا هو خيار التكوين. كاستور (الترخيص: رخصة إكسولاب)
الخروع هو إطار ربط بيانات المصدر المفتوح ل جافا [تم]. انها أقصر الطرق بين كائنات جافا، وثائق شمل والجداول العلائقية. يوفر كاستور جافا-تو-شمل ملزم، استمرار جافا إلى سكل، وأكثر من ذلك. كاستور دوكليت (ترخيص: غنو لغبل v2.1)
جافا دوكليت لإنشاء كل من الخرائط و ملفات دل ل كاستور جدو و كاستور شمل. تستماكر (الترخيص: تيستماكر الترخيص المصدر المفتوح)
من مشروع تيستماكر فقط يتم استخدام تنفيذ البروتوكولات مثل هتب أو هتبس لجمع البيانات من شبكة الإنترنت. جكوكي (الترخيص: غنو لغبل v2.1)
مكتبة جكوكي ضرورية لمكتبات تستماكر للعمل. هتملبارسر (ليسنز: غنو لغبل v2.1)
يتم استخدام مكتبة هتملبارزر لاستخراج البيانات من موارد الويب. أبكل / كومونليسب (الترخيص: غنو غل v2)
يستخدم أبكل (الذراع المسلحة المشتركة ليسب) لتنفيذ القلب حسابي من المشروع في أنسي لغة البرمجة ليسب المشتركة. جفريشارت (ترخيص: غنو لغبل v2.1)
يستخدم جفريشارت لتصور البيانات المالية والرسوم البيانية. جسي (الترخيص: غنو لغبل v2.1)
يحل جودا تايم محل فئات جدك التاريخ والوقت الأصلية.
روابط لمشاريع أخرى.
قد تكون مجموعة جافاترادرز جوجل أفضل مدخل لك لمعرفة المزيد عن أنظمة التداول جافا الأخرى القائمة.
رمز المشروع مرخص وفقا لشروط لغبل وجميع الوثائق التي تجدها في هذا المشروع مرخصة بموجب شروط فدل.
QUANTLABS.
الموارد الكمية للتجار.
قائمة كاملة من أنظمة التداول الآلي مفتوحة المصدر أو منصات التداول الخوارزمية. يتضمن جافا جوبكترادر.
قائمة كاملة من أنظمة التداول الآلي مفتوحة المصدر أو منصات التداول الخوارزمية.
من كل هذه، يبدو جوبوكترادر هو الأكثر حداثة وحتى الآن.
حاولت فقط استيراد الاشياء مع جوبكترادر. وورد وثيقة شمل شرح كيفية إعداده مع الكسوف يذكرني لماذا أنا حقا لا يحبون جافا والنظام البيئي كله الذي يأتي معها. أود أن ألقي نفسي على الطريق السريع من الذهاب من خلال هذا التعذيب البشعة مرة أخرى. الآن أنا أعرف لماذا يكره الناس ذلك كما أنا لا & # 8217؛ ر يكون الوقت للتعبير مع هذا الإعداد.
ملاحظة I الآن نشر بلدي التنبيهات التداول في بلدي الفيسبوك الشخصية حساب وتويتر. لا تقلق وأنا لا تنشر أشرطة الفيديو القط غبي أو ما أكله!
بناء أنظمة التداول الآلية جافا
سحب الطلبات 1.
تاريخ جيثب اليوم.
جيثب هي موطن لأكثر من 20 مليون مطورين يعملون معا لاستضافة ومراجعة التعليمات البرمجية، وإدارة المشاريع، وبناء البرمجيات معا.
استنساخ مع هتبس.
استخدام جيت أو الخروج مع سفن باستخدام ورل على شبكة الإنترنت.
التكافؤ هو منصة برمجيات مفتوحة المصدر للأماكن التجارية. ويمكن استخدامه لتشغيل السوق المالي، وتطوير وكلاء التداول حسابي، أو المجهرية سوق البحث.
يتطلب التكافؤ جافا وقت التشغيل البيئة (جري) 8 أو أحدث.
يحتوي التكافؤ على التطبيقات التالية:
نظام التداول التكافؤ هو تطبيق الخادم لتشغيل الصرف المالي.
التكافؤ فيكس غيتيواي هو تطبيق الخادم الذي يضيف دعم تبادل المعلومات المالية (فيكس) لنظام التداول.
العميل التكافؤ محطة هو تطبيق وحدة التحكم بسيطة لإدخال أوامر في نظام التداول.
التكافؤ الأسهم هو تطبيق وحدة التحكم البسيطة التي تعرض أفضل الأسعار وأحدث الصفقات في نظام التداول.
تكافؤ التجارة مراسل هو تطبيق وحدة التحكم البسيطة التي تعرض جميع الصفقات وقعت في نظام التداول.
انظر ويكي لتطبيقات إضافية.
يحتوي التكافؤ على المكتبات التالية:
ترتيب التكافؤ كتاب تنفيذ عالية الأداء كتاب إعادة بناء الكتاب على جفم.
تحدد بروتوكولات شبكة التكافؤ وتنفذ بروتوكولات الشبكة المستخدمة من قبل نظام التداول.
تنسيقات ملفات التكافؤ تحدد وتنفذ تنسيقات الملفات المستخدمة من قبل نظام التداول.
خوارزمية مطابقة التكافؤ تنفذ الخوارزمية المطابقة المستخدمة من قبل نظام التداول.
تتضمن أدوات المساعدة التكافؤ وظائف الدعم المستخدمة من قبل نظام التداول.
يحتوي التكافؤ على تطبيقات الاختبار التالية:
بناء التكافؤ مع مافين:
لمزيد من المعلومات حول التكافؤ:
اتبعparitytrading على تويتر للحصول على الأخبار والإعلانات تاريخ باريتيترادينغ / دردشة على جيتر للمناقشات.
حقوق الطبع والنشر 2018 جوسي فيرتانن والمساهمين.
صدر تحت رخصة أباتشي، الإصدار 2.0. انظر LICENSE. txt للحصول على التفاصيل.
&نسخ؛ 2018 جيثب، Inc. شروط الخصوصية تعليمات حالة الأمان.
لا يمكنك تنفيذ هذا الإجراء في الوقت الحالي.
لقد سجلت الدخول باستخدام علامة تبويب أو نافذة أخرى. أعد التحميل لتحديث الجلسة. لقد سجلت الخروج في علامة تبويب أو نافذة أخرى. أعد التحميل لتحديث الجلسة.
QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
من قبل مايكل هالز مور في 26 يوليو، 2018.
واحدة من الأسئلة الأكثر تواترا التي تلقيتها في كيس البريد قس هو "ما هي أفضل لغة البرمجة للتجارة الخوارزمية؟". الجواب القصير هو أنه لا توجد لغة "أفضل". يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة.
أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها.
مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر.
ما هو نظام التداول في محاولة للقيام به؟
قبل اتخاذ قرار بشأن "أفضل" اللغة التي لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيكون النظام قائما على التنفيذ فقط؟ هل يتطلب النظام إدارة مخاطر أو وحدة بناء محفظة؟ سوف يتطلب النظام باكتستر عالية الأداء؟ بالنسبة لمعظم الاستراتيجيات نظام التداول يمكن تقسيمها إلى فئتين: البحوث وتوليد إشارة.
وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث.
ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. قضايا الإدخال / الإخراج مثل عرض النطاق الترددي للشبكة والكمون غالبا ما تكون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما.
نوع، وتيرة وحجم الاستراتيجية.
وسيكون لنوع الاستراتيجية الخوارزمية المستخدمة أثر كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية.
خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد.
سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي واجهات برمجة تطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى العديد من البائعين! ولجميع الأدوات المختلفة مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة.
ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء.
وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب + تستخدم عادة لهذه الأدوار.
من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. C / C ++ (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس، وتبادل المشاركة في الموقع وضبط شبكة النواة / شبكة.
نظم البحوث.
نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة.
تتضمن إيد النموذجية في هذه المساحة ميكروسوفت فيسوال C ++ / C #، الذي يحتوي على أدوات مساعدة التصحيح واسعة، قدرات اكتمال التعليمات البرمجية (عبر "إنتليسنز") ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق)؛ ماتلاب، الذي صمم لالجبر العددي واسعة النطاق وعمليات فيكتوريسد، ولكن بطريقة وحدة التحكم التفاعلية؛ R ستوديو، الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد كاملة؛ إكليبس إيد لينوكس جافا و C ++؛ و إيدس شبه الملكية مثل إينوهت الستارة لبيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي، سسيبي، سكيت-تعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم).
ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام واجهة المستخدم الرسومية / إيد كما سيتم تنفيذ التعليمات البرمجية "في الخلفية". الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. غالبا ما تكون اللغة المترجمة (مثل C ++) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من هذه الأنظمة إذا كان هذا هو الحال!
وغالبا ما تستفيد اللغات المفترضة مثل بيثون من المكتبات عالية الأداء مثل نومبي / بانداس لخطوة الاختبار المسبق، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين.
إدارة المحفظة وإدارة المخاطر.
وغالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. فهي لا تحاول فقط التخفيف من عدد الرهانات "المحفوفة بالمخاطر"، بل إنها تقلل أيضا من تقلبات الصفقات نفسها، مما يقلل من تكاليف المعاملات.
ويمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على نوعية وربحية الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي.
وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة.
غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات الشائعة أوبلاس، لاباك و ناغ ل C ++. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبي / سسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تمت إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة بشكل جيد!) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول.
إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. يمكن أن تأتي المخاطر في أشكال عديدة: زيادة التقلب (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة!)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث "البجعة السوداء"، والبق غير المكتشفة في قانون التداول، على سبيل المثال لا الحصر.
وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والروابط بين فئات األصول وتأثيرها الالحق على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل مونت كارلو "اختبارات الإجهاد". وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن "رمي الأجهزة في المشكلة".
أنظمة التنفيذ.
وتتمثل مهمة نظام التنفيذ في تلقي إشارات تجارية مصفاة من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع.
تشير "جودة" واجهة برمجة التطبيقات إلى مدى توثيقها بشكل جيد، ونوع الأداء الذي توفره، وما إذا كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة سطح المكتب أوبونتو على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب!
توفر معظم واجهات برمجة التطبيقات واجهة C ++ و / أو جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C #، بايثون، R، إكسل وماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة.
تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو من الأهمية بمكان. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية.
تعتبر اللغات التي تمت كتابتها إحصائيا (انظر أدناه) مثل C ++ / جافا بشكل عام مثالية للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن بشكل عام "سريع بما فيه الكفاية". تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن "تبديلها" خارجا كما موازين النظام.
التخطيط المعماري وعملية التنمية.
وقد نوقشت أعلاه مكونات نظام تجاري، ومتطلباته من حيث التردد والحجم، غير أنه لم يتم بعد تغطية الهياكل الأساسية للنظام. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن "يرتدي قبعات كثيرة". وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل.
فصل الشواغل.
ومن أهم القرارات التي يجب اتخاذها في البداية كيفية "فصل الشواغل" عن نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة.
من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي "أفضل الممارسات" لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما.
إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي.
على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق.
فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسوف يكون هذا هو الحال إذا كانوا التواصل عبر تكب / إب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة.
وكمثال ملموس، يجب النظر في حالة نظام باكتستينغ الذي كتب في C ++ لأداء "طحن عدد"، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بيثون باستخدام سسيبي و إبي.
اعتبارات الأداء.
الأداء هو اعتبار كبير لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. "الأداء" يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، I / O البيانات، التزامن / التوازي والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء.
الحكمة السائدة كما ذكر دونالد نوث، أحد آباء علوم الحاسوب، هو أن "التحسين المبكر هو جذر كل الشر". هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد! بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور.
وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء.
C ++ و جافا و بيثون و R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمي. C ++ السفن مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبي / سسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد.
ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة وأن الخوارزمية تستخدم استخداما مكثفا للإضافات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان "إعادة اختراع العجلة" الوقت النفايات التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد.
وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (زمن الاستجابة للقرص / الشبكة)، يجب إنشاء إشارات (التشغيل المؤقت، زمن استجابة الرسائل)، وإشارات التجارة المرسلة (زمن استجابة نيك) والأوامر المعالجة (زمن الاستجابة الداخلي للتبادل).
لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو منطقة عميقة و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة!
التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى "ضرب قاعدة البيانات" وبالتالي مكاسب الأداء يمكن أن تكون كبيرة.
للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. من المرجح أن يكون هذا التجميع وحدة المعالجة المركزية عالية أو القرص I / O العملية.
ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. وثمة مسألة أخرى هي تكديس الكلاب، حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة.
تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. وبالتالي فإنه من الضروري لتطبيقات التداول أداء أعلى أن تكون على بينة جيدا كيف يتم تخصيص الذاكرة وإزالة ديالوكاتد خلال تدفق البرنامج. معايير اللغة الأحدث مثل جافا و C # و بيثون جميعها تؤدي إلى جمع القمامة التلقائي، الذي يشير إلى إلغاء تخصيص الذاكرة التي يتم تخصيصها ديناميكيا عندما تخرج الكائنات من النطاق.
جمع القمامة مفيد للغاية أثناء التطوير لأنه يقلل من الأخطاء ويساعد القراءة. ومع ذلك، فإنه غالبا ما يكون دون المستوى الأمثل لبعض استراتيجيات التداول عالية التردد. عادة ما تكون هناك حاجة لجمع القمامة المخصصة لهذه الحالات. في جافا، على سبيل المثال، من خلال ضبط جامع القمامة وتكوين كومة الذاكرة المؤقتة، فمن الممكن الحصول على أداء عال لاستراتيجيات هفت.
C ++ لا توفر جامع القمامة الأصلي ولذلك فمن الضروري التعامل مع جميع تخصيص الذاكرة / ديالوكاتيون كجزء من تنفيذ كائن. في حين يحتمل أن يكون عرضة للخطأ (يحتمل أن يؤدي إلى مؤشرات التعلق) من المفيد للغاية أن يكون التحكم الدقيق الحبيبات لكيفية ظهور الكائنات على كومة لتطبيقات معينة. عند اختيار لغة تأكد من دراسة كيفية عمل جامع القمامة وما إذا كان يمكن تعديلها لتحسين حالة استخدام معينة.
العديد من العمليات في أنظمة التداول الخوارزمية هي قابلة للتوازي. وهذا يشير إلى مفهوم تنفيذ عمليات برمجية متعددة في نفس الوقت، أي في "موازية". وتشمل ما يسمى بالخوارزميات "الموازية بشكل محرج" خطوات يمكن حسابها بشكل مستقل تماما عن الخطوات الأخرى. بعض العمليات الإحصائية، مثل محاكاة مونتي كارلو، هي مثال جيد للخوارزميات المتوازية بشكل محرج حيث يمكن حساب كل سحب عشوائي وعملية المسار اللاحقة دون معرفة مسارات أخرى.
الخوارزميات الأخرى هي موازية جزئيا فقط. ديناميات السوائل المحاكاة هي مثل هذا المثال، حيث مجال الحساب يمكن تقسيمها، ولكن في نهاية المطاف يجب أن هذه المجالات التواصل مع بعضها البعض، وبالتالي فإن العمليات هي متتابعة جزئية. تخضع الخوارزميات المتوازية لقانون أمدال، الذي يوفر الحد الأعلى النظري لزيادة أداء خوارزمية متوازية عندما يخضع لعمليات $ N $ منفصلة (على سبيل المثال، على وحدة المعالجة المركزية الأساسية أو مؤشر الترابط).
أصبح باراليليساتيون ذات أهمية متزايدة كوسيلة للتحسين منذ ركض سرعة المعالج على مدار الساعة، كما تحتوي المعالجات الأحدث العديد من النوى التي لإجراء حسابات موازية. وقد أدى ارتفاع أجهزة الرسومات الاستهلاكية (في الغالب لألعاب الفيديو) إلى تطوير وحدات المعالجة الرسومية (غبوس)، التي تحتوي على مئات من "النوى" لعمليات متزامنة للغاية. وأصبحت وحدات معالجة الجرافيك هذه بأسعار معقولة جدا. وقد أدت الأطر الرفيعة المستوى، مثل أطر نفيديا، إلى اعتماد واسع النطاق في الأوساط الأكاديمية والمالية.
هذه الأجهزة غبو عادة ما تكون مناسبة فقط للجانب البحثي من التمويل الكمي، في حين يتم استخدام الأجهزة الأخرى أكثر تخصصا (بما في ذلك الميدان بوابة برمجة صفائف - فبغاس) ل (U) هفت. في الوقت الحاضر، معظم اللغات الحديثة تدعم درجة من التزامن / تعدد المواضيع. وبالتالي فمن مباشرة لتحسين باكتستر، لأن جميع الحسابات مستقلة بشكل عام عن الآخرين.
يشير التحجيم في هندسة البرمجيات والعمليات إلى قدرة النظام على التعامل مع الأحمال المتزايدة باستمرار في شكل طلبات أكبر، واستخدام المعالج العالي والمزيد من تخصيص الذاكرة. في التداول الخوارزمي استراتيجية قادرة على نطاق إذا كان يمكن قبول كميات أكبر من رأس المال، ولا تزال تنتج عائدات متسقة. جداول تكديس تكنولوجيا التداول إذا كان يمكن أن تحمل حجم التجارة أكبر وزيادة الكمون، دون الاختناقات.
While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as "unscalable". This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never "better" than another in every sense.
One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle "spikes" in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a "message queuing architecture". This simply means placing a message queue system between components so that orders are "stacked up" if a certain component is unable to process many requests.
Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ.
Hardware and Operating Systems.
The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your application will reside. The choice is generally between a personal desktop machine, a remote server, a "cloud" provider or an exchange co-located server.
Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7/8, Mac OSX and Ubuntu. Desktop systems do possess some significant drawbacks, however. The foremost is that the versions of operating systems designed for desktop machines are likely to require reboots/patching (and often at the worst of times!). They also use up more computational resources by the virtue of requiring a graphical user interface (GUI).
Utilising hardware in a home (or local office) environment can lead to internet connectivity and power uptime problems. The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server (or cloud based system) of comparable speed.
A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring. They are harder to administer since they require the ability to use remote login capabilities of the operating system.
In Windows this is generally via the GUI Remote Desktop Protocol (RDP). In Unix-based systems the command-line Secure SHell (SSH) is used. Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools (such as MatLab or Excel) to be unusable.
A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm. This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha.
The final aspect to hardware choice and the choice of programming language is platform-independence. Is there a need for the code to run across multiple different operating systems? Is the code designed to be run on a particular type of processor architecture, such as the Intel x86/x64 or will it be possible to execute on RISC processors such as those manufactured by ARM? These issues will be highly dependent upon the frequency and type of strategy being implemented.
Resilience and Testing.
One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system.
It is likely that in any reasonably complicated custom quantitative trading application at least 50% of development time will be spent on debugging, testing and maintenance.
Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point .
Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C++ or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb, which is a sophisticated debugging tool. The Microsoft Visual C++ IDE possesses extensive GUI debugging utilities, while for the command line Linux C++ programmer, the gdb debugger exists.
Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to "fill in the blanks", the tests will eventually all pass, at which point development should cease.
TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C++, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options.
In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a "first line of attack" when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact! As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed.
Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns.
While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information.
Trading metrics such as abnormal prices/volume, sudden rapid drawdowns and account exposure for different sectors/markets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric.
System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case.
Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected? 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected? The answers to both of these questions are often sobering!
It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment?
Similarly, high availability needs to be "baked in from the start". Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I won't delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system.
Choosing a Language.
Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised.
Type Systems.
When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C++ and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript.
For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesn't catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. 'Dynamic' languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone.
Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPy/SciPy alleviate this issue due to enforcing a type within arrays.
Open Source or Proprietary?
One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing/maintenance costs.
The Microsoft stack (including Visual C++, Visual C#) and MathWorks' MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant "battle testing" in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds.
Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C++, C# and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many plugins/libraries (some free, some commercial) for nearly any quantitative research domain.
There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools "play well" with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned.
MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive.
Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQL/PostgreSQL, Python, R, C++ and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats.
The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process.
Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce.
Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C++ in order to improve execution speeds, but it requires some experience in multi-language programming.
While proprietary software is not immune from dependency/versioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer.
I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C++ and R. The maturity, community size, ability to "dig deep" if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C++) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend.
Batteries Included?
The header of this section refers to the "out of the box" capabilities of the language - what libraries does it contain and how good are they? This is where mature languages have an advantage over newer variants. C++, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms.
C++ is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms "for free". Python is known for being able to communicate with nearly any other type of system/protocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance).
Outside of the standard libraries, C++ makes use of the Boost library, which fills in the "missing parts" of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C++11 spec, including native support for lambda expressions and concurrency.
Python has the high performance NumPy/SciPy/Pandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL++ (MySQL/C++), JDBC (Java/MatLab), MySQLdb (MySQL/Python) and psychopg2 (PostgreSQL/Python). Python can even communicate with R via the RPy plugin!
An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C++ and Java, but some also support C# and Python, either directly or with community-provided wrapper code to the C++ APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol.
استنتاج.
As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries.
The benefit of a separated architecture is that it allows languages to be "plugged in" for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.
الشروع في العمل: بناء نظام التداول الآلي بالكامل.
على مدى الستة أشهر الماضية ركزت على عملية بناء مجموعة التكنولوجيا الكاملة لنظام التداول الآلي. لقد واجهت العديد من التحديات وتعلمت الكثير عن طريقتين مختلفتين من باكتستينغ (فيكتوريسد والحدث مدفوعة). في رحلتي لبناء حدث باكتستر مدفوعة، جاء لدهشتي أن ما كنت في نهاية المطاف مع قريبة من كومة التكنولوجيا الكاملة اللازمة لبناء استراتيجية، باكتست ذلك، وتشغيل التنفيذ المباشر.
وأكبر مشكلتي عند معالجة المشكلة هي نقص المعرفة. نظرت في العديد من الأماكن لمقدمة لبناء التكنولوجيا أو بلوق التي من شأنها أن توجه لي. لقد وجدت بعض الموارد التي سوف أطلعكم عليها اليوم.
للمبتدئين:
بالنسبة للقراء الجدد في التداول الكمي أود أن أوصي كتاب إرني P. تشان بعنوان: التداول الكمي: كيفية بناء الأعمال التجارية الخاصة بك خوارزمية الخاصة بك. هذا الكتاب هو الأساسيات. انها في الواقع الكتاب الأول قرأت على التداول الكمي وحتى ذلك الحين وجدت أنه من الأساسي جدا ولكن هناك بعض الملاحظات يجب أن تأخذ.
From page 81-84 Ernie writes about how at the retail level a system architecture can be split up into semi-automated and fully automated strategies.
نظام شبه الآلي مناسب إذا كنت ترغب في وضع عدد قليل من الصفقات في الأسبوع. إرني توصي باستخدام ماتلاب، R، أو حتى إكسيل. لقد استخدمت جميع منصات 3 وهذا هو نصيحتي:
تخطي ماتلاب، يكلف الكثير من المال، ويمكنني فقط الحصول على الوصول إليها في مختبرات الجامعة. There isn’t a lot of training material like blogs or books that will teach you how to code a strategy using Matlab. R لديها طن من الموارد التي يمكنك الاستفادة من من أجل معرفة كيفية بناء استراتيجية. بلدي بلوق المفضلة التي تغطي هذا الموضوع هو: كوانستتراترادر التي تديرها إيليا كيبنيس. ميكروسوفت إكسيل هو الأكثر احتمالا حيث ستبدأ إذا لم يكن لديك تجربة البرمجة. يمكنك استخدام إكسيل للتداول شبه الآلي ولكن لن تفعل خدعة عندما يتعلق الأمر ببناء كومة التكنولوجيا الكاملة.
الإطار شبه التلقائي ص 81.
أنظمة التداول الآلي تماما هي عندما تريد وضع الصفقات تلقائيا على أساس تغذية البيانات الحية. أنا ترميز الألغام في C #، كوانتكونكت يستخدم أيضا C #، كوانتستارت يمشي القارئ من خلال بناء عليه في بيثون، يستخدم كوانتوبيان بيثون، هفت سوف تستخدم على الأرجح C ++. جافا هي أيضا شعبية.
إطار التداول الآلي بالكامل ص 84.
Step 1: Getting a head start.
هل البرنامج التنفيذي في التداول الخوارزمية التي تقدمها كوانتينستي. لقد بدأت للتو الدورة، وكانت أول مجموعة من المحاضرات على بنية النظام. كان من شأنه أن أنقذني حوالي 3 أشهر من البحث إذا كنت قد بدأت هنا. سارت المحاضرات لي من خلال كل عنصر أن أحتاج فضلا عن وصف تفصيلي لما يحتاج كل مكون القيام به. في ما يلي لقطة شاشة لأحد الشرائح المستخدمة في العرض التقديمي:
يمكنك أيضا استخدام هذا الإطار العام عند تقييم أنظمة التداول الآلي الأخرى.
في وقت كتابة هذا التقرير، أنا فقط في الأسبوع الثالث من المحاضرات ولكنني واثق من أن الممارس سوف تكون قادرة على بناء استراتيجية التداول الآلي بالكامل التي يمكن، مع قليلا من البولندية، تتحول إلى بدايات صندوق التحوط الكمي .
ملاحظة: بالطبع لا تركز على بناء كومة التكنولوجيا.
الخطوة 2: كود الحدث الأساسي مدفوعة باكتستر.
مدونة مايكل هالسمور كوانتستارت & أمب؛ كتاب "نجاح خوارزمية التداول"
يحتوي هذا الكتاب على أقسام مخصصة لبناء حدث قوي مدعوم باكتستر. يمشي القارئ من خلال عدد من الفصول التي سوف تشرح اختياره للغة، وأنواع مختلفة من باكتستينغ، وأهمية الحدث مدفوعة باكتستينغ، وكيفية رمز باكتستر.
يقدم مايكل القارئ إلى الطبقات المختلفة المطلوبة في تصميم موجه الكائن. كما أنه يعلم القارئ لبناء قاعدة بيانات رئيسية للأوراق المالية. ومن هنا سترى كيف بنية النظام من كوانتينستي يناسب في.
ملاحظة: سوف تحتاج لشراء كتابه: "ناجحة التداول الخوارزمية"، بلوق له يترك الكثير من المعلومات.
الخطوة 3: أنتقل إلى تورينجفينانس.
The EPAT program Reading “Successful Algorithmic Trading” & ترميز باكتستر في لغة مختلفة من اختيارك.
يجب عليك الانتقال إلى بلوق يسمى تورينجفينانس وقراءة المقال بعنوان "خوارزمية هندسة نظام التداول" بواسطة: ستيوارت غوردون ريد. في منصبه يصف العمارة التالية المبادئ التوجيهية لل إسو / إيك / إيي 42018 ونظم الهندسة المعمارية وصف الهندسة المعمارية القياسية.
لقد وجدت هذا المنصب جدا التقنية ولديها بعض الأفكار العظيمة التي يجب أن تدرج في الهندسة المعمارية الخاصة بك.
لقطة شاشة من منصبه.
الخطوة 4: دراسة أنظمة التداول مفتوحة المصدر.
4.1) كوانتوبيان.
وغني عن القول أن كوانتوبيان يجب أن تضاف إلى هذه القائمة، وأنا أحرج أن أقول إنني لم أمض الكثير من الوقت باستخدام برنامجهم (بسبب اختياري للغة). كوانتوبيان ديه العديد من الامتيازات ولكن تلك التي التمسك معظم لي هي التالية:
من السهل تعلم بيثون حرية الوصول إلى العديد من مجموعات البيانات مجتمع ضخم والمسابقات أنا أحب كيف يستضيفون كوانتكون!
كوانتوبيان هو قادة السوق في هذا المجال، ويحب من قبل كوانتس في جميع أنحاء! مشروع مفتوح المصدر تحت اسم الرمز زيبلين وهذا هو قليلا عن ذلك:
"زيبلين هو محركنا مفتوح المصدر الذي يجبر باكتستر في إيد. يمكنك ان ترى مستودع كود في جيثب وتساهم طلبات السحب للمشروع. هناك مجموعة غوغل متاحة لطلب المساعدة وتسهيل المناقشات ".
في ما يلي رابط إلى وثائقهم:
4.2) كوانتكونيكت.
بالنسبة لأولئك منكم غير مألوف مع كوانتكونيكت، فإنها توفر محرك التداول خوارزمية كاملة المصدر المفتوح. إليك رابط.
يجب أن يكون لديك نظرة على التعليمات البرمجية، ودراستها، & أمب؛ منحهم الثناء. فهي مسابقة كوانتوبيانز.
وأود أن أغتنم هذه الفرصة لأشكر فريق كوانتكونيكت للسماح لي اختيار الدماغ والخدمة الرائعة التي تقدمها.
في ما يلي رابط إلى وثائقهم:
ملاحظات ختامية:
آمل أن يساعد هذا الدليل أعضاء المجتمع. أتمنى لو كان لدي هذه البصيرة قبل 6 أشهر عندما بدأت في ترميز نظامنا.
أود أن أتواصل مع المجتمع واسأل: "ما هي دورات التداول الخوارزمية الجيدة التي تعرفونها؟" أود أن أكتب وظيفة التي تبحث في الموضوع وتوفر الترتيب. هل هناك أي توصيات لبناء نظام تجاري مؤتمت بالكامل ترغب في إضافته إلى هذه المشاركة؟
شارك هذا:
مشاركة هذا الإدخال.
قد يعجبك ايضا.
مقال جميل. أتمنى لو كان ذلك قبل حوالي 6 أشهر. يمكنني استخدام كوانتكونيكت لأنني مبرمج C #. لقد وجدت أنه من المريح جدا أن تكون قادرة على تحميل العجاف واختبار الظهر محليا. كما أن البحث عن طريق رمزها مفيد. كما أنها قطعت صفقة مع تراديير ل $ 1 الصفقات. وهذا يساعد كثيرا. أنا لست بارزة حول تراديير ينتشر والتنفيذ. يب قد يكون أفضل لذلك.
I will take a look at the course you mentioned.
أنت لم تذكر كوانتوكريسي أو روبلوجرز. وكلاهما موارد قيمة جدا.
ما الذي تستخدمه لرسم نتائج الاختبارات الخلفية؟ أنا تسجيل أوهلك وقيم مؤشر ل كسف من الحدث أونداتا وأنا متعب حقا من استخدام إكسيل لرسم النتائج. أود أن أكون قادرا على توجيه حزمة الرسوم البيانية إلى ملف البيانات وانها مجرد الذهاب.
هل لديك بائع تيار القراد حتى الآن؟
لدي فكر واحد حول أنظمة مدفوعة الحدث. المشكلة مع الأحداث هي أنها غير متجانسة والكامنة. يبدو أنها لا مفر منها في أقرب وقت كما تحصل على الوساطة المعنية، لذلك لقد كان يحلم نظام أكثر تدفق بعد مبادئ البرمجة الوظيفية.
& # 8211؛ تجريب شريط أو شريط تيار.
& # 8211؛ تشغيله من خلال عملية حساب المؤشرات، وتشغيل تحليلات أو مل، وهكذا دواليك.
& # 8211؛ نعود إشارة.
& # 8211؛ إرساله إلى وسيط لتنفيذ.
ثم في تيار منفصل.
& # 8211؛ الحصول على رد من الوسيط.
المشكلة بالطبع هي الدولة. هل لدي هامش كاف لجعل التجارة؟ ما هو في محفظتي؟ How is it performing? وعادة ما يتم الاستعلام عن أبي وسيط لمعرفة أن الاشياء، ولكن الامر يستغرق وقتا طويلا وغير متجانسة. أنا أيضا أبحث في ملحقات ر. وبهذه الطريقة يمكن للنظام أن يتفاعل مع التغيرات في النظام من خلال نمط يمكن ملاحظته.
الأحداث كبيرة لنقرات الماوس. Not so great for high volume transactional processing.
هذا هو بالضبط النهج الذي أخذته مع الاشياء الخاصة بي. أساسا لدي & # 8216؛ عادي & # 8217؛ البرنامج الذي يلتف حول جزء صغير هذا الحدث مدفوعة للتحدث إلى الوسيط (يب أبي). الآن لمشكلة الدولة. لديك خيارين. الحصول على الدولة من وسيط، أو تخزينه داخليا تحديثه عندما تحصل على التعبئة مرة أخرى. وهذا يعني أن هناك أوقات لا تعرف فيها ولايتك، أو عندما يكون مصدر الدولة المحتملان في حالة نزاع (بيانات سيئة أو تأخر). جزء من هذا يعتمد على مدى سرعة التداول. إلا إذا كنت تتداول بسرعة حقا ثم التوقف إذا كان لديك صراع الدولة، أو كنت غير متأكد من الدولة، هو أفضل من المضي قدما دون معرفة دولتكم. يمكنني استخدام قاعدة بيانات & # 8216؛ قفل & # 8217؛ نموذج للتعامل مع هذا.
فيما يتعلق تقريبا كل ما طلبته، كنت على مقربة من الجواب في رد الفعل التفاعلي (ر).
مع ر الذهاب من القراد إلى الشموع هو تافهة.
Going from Candles to Indicators is trivial.
تأليف مؤشرات من مؤشرات أخرى هو تافهة.
إن تأليف املراكز من املؤرشات تافهة.
تأليف المحافظ (كما عقدت مع مرور الوقت) من المراكز هو تافهة.
محاكاة نموذج المخاطر هو تافهة.
الاختبار مرة أخرى أو التداول المباشر هو ببساطة اتخاذ قرار بين تيار مباشر من البيانات أو إعادة محاكاة محاكاة للبيانات قاعدة البيانات.
التنفيذ هو تافهة.
تنفيذ ممكن في كل شيء من C # إلى F # إلى جافا سكريبت ل C ++ في رمز متطابقة تقريبا.
يتم التحسين بسرعة لأن ر بحتة وظيفية بارولاليزابل على نطاق واسع إلى غبو.
ومن المسلم به أن تحسين وتغذية تأثير التحسين المستمر مرة أخرى في الاختبار الخلفي هو غير تافهة، ولكن نظرا لأنه غير تافهة على أي حال، أنا & # 8217؛ م الذهاب إلى السماح لهذه الشريحة واحدة 😉
بحتة وظيفية (أو على مقربة منه) ر هو في رأيي الطريقة الوحيدة لمعالجة البنية التحتية لهذه المشكلة.
أعرف النظام أريد التجارة. أنا لا أريد أن برنامج أو تعلم شيئا شخص آخر يعرف بالفعل. حتى الذين يمكنني استئجار لاتخاذ النظام أريد استخدام وأتمتة ذلك. بأتمتة ذلك، يعني أنا لا & # 8217؛ ر تريد أن ننظر في الأمر. وسوف نلقي نظرة على النتائج مرة واحدة في الأسبوع، وسيتم تنفيذ الصفقات دون عنايتي. يبدو غريبا بالنسبة لي أنه في عام 2018، الكثير من الجهد يحتاج إلى الذهاب إلى اتخاذ مجموعة من القواعد وجود تلك القواعد تنفيذ في وسيط بلدي.
أود أن أقترح الاشتراك مع كوانتوبيان ومن ثم إيجاد شخص داخل المجتمع هناك لبناء استراتيجية بالنسبة لك. They will be able to build it for you inside the IB brokers platform and be fully automated.
اسمحوا لي أن أقول على الرغم من أنني أعتقد أنه يجب مراقبته عن كثب، وليس فقط & # 8220؛ ننسى ذلك ل & # 8221؛.
سحب الطلبات 1.
تاريخ جيثب اليوم.
جيثب هي موطن لأكثر من 20 مليون مطورين يعملون معا لاستضافة ومراجعة التعليمات البرمجية، وإدارة المشاريع، وبناء البرمجيات معا.
استنساخ مع هتبس.
استخدام جيت أو الخروج مع سفن باستخدام ورل على شبكة الإنترنت.
التكافؤ هو منصة برمجيات مفتوحة المصدر للأماكن التجارية. ويمكن استخدامه لتشغيل السوق المالي، وتطوير وكلاء التداول حسابي، أو المجهرية سوق البحث.
يتطلب التكافؤ جافا وقت التشغيل البيئة (جري) 8 أو أحدث.
يحتوي التكافؤ على التطبيقات التالية:
نظام التداول التكافؤ هو تطبيق الخادم لتشغيل الصرف المالي.
التكافؤ فيكس غيتيواي هو تطبيق الخادم الذي يضيف دعم تبادل المعلومات المالية (فيكس) لنظام التداول.
العميل التكافؤ محطة هو تطبيق وحدة التحكم بسيطة لإدخال أوامر في نظام التداول.
التكافؤ الأسهم هو تطبيق وحدة التحكم البسيطة التي تعرض أفضل الأسعار وأحدث الصفقات في نظام التداول.
تكافؤ التجارة مراسل هو تطبيق وحدة التحكم البسيطة التي تعرض جميع الصفقات وقعت في نظام التداول.
انظر ويكي لتطبيقات إضافية.
يحتوي التكافؤ على المكتبات التالية:
ترتيب التكافؤ كتاب تنفيذ عالية الأداء كتاب إعادة بناء الكتاب على جفم.
تحدد بروتوكولات شبكة التكافؤ وتنفذ بروتوكولات الشبكة المستخدمة من قبل نظام التداول.
تنسيقات ملفات التكافؤ تحدد وتنفذ تنسيقات الملفات المستخدمة من قبل نظام التداول.
خوارزمية مطابقة التكافؤ تنفذ الخوارزمية المطابقة المستخدمة من قبل نظام التداول.
تتضمن أدوات المساعدة التكافؤ وظائف الدعم المستخدمة من قبل نظام التداول.
يحتوي التكافؤ على تطبيقات الاختبار التالية:
بناء التكافؤ مع مافين:
لمزيد من المعلومات حول التكافؤ:
اتبعparitytrading على تويتر للحصول على الأخبار والإعلانات تاريخ باريتيترادينغ / دردشة على جيتر للمناقشات.
حقوق الطبع والنشر 2018 جوسي فيرتانن والمساهمين.
صدر تحت رخصة أباتشي، الإصدار 2.0. انظر LICENSE. txt للحصول على التفاصيل.
&نسخ؛ 2018 جيثب، Inc. شروط الخصوصية تعليمات حالة الأمان.
لا يمكنك تنفيذ هذا الإجراء في الوقت الحالي.
لقد سجلت الدخول باستخدام علامة تبويب أو نافذة أخرى. أعد التحميل لتحديث الجلسة. لقد سجلت الخروج في علامة تبويب أو نافذة أخرى. أعد التحميل لتحديث الجلسة.
QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
من قبل مايكل هالز مور في 26 يوليو، 2018.
واحدة من الأسئلة الأكثر تواترا التي تلقيتها في كيس البريد قس هو "ما هي أفضل لغة البرمجة للتجارة الخوارزمية؟". الجواب القصير هو أنه لا توجد لغة "أفضل". يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة.
أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها.
مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر.
ما هو نظام التداول في محاولة للقيام به؟
قبل اتخاذ قرار بشأن "أفضل" اللغة التي لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيكون النظام قائما على التنفيذ فقط؟ هل يتطلب النظام إدارة مخاطر أو وحدة بناء محفظة؟ سوف يتطلب النظام باكتستر عالية الأداء؟ بالنسبة لمعظم الاستراتيجيات نظام التداول يمكن تقسيمها إلى فئتين: البحوث وتوليد إشارة.
وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث.
ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. قضايا الإدخال / الإخراج مثل عرض النطاق الترددي للشبكة والكمون غالبا ما تكون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما.
نوع، وتيرة وحجم الاستراتيجية.
وسيكون لنوع الاستراتيجية الخوارزمية المستخدمة أثر كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية.
خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد.
سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي واجهات برمجة تطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى العديد من البائعين! ولجميع الأدوات المختلفة مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة.
ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء.
وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب + تستخدم عادة لهذه الأدوار.
من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. C / C ++ (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس، وتبادل المشاركة في الموقع وضبط شبكة النواة / شبكة.
نظم البحوث.
نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة.
تتضمن إيد النموذجية في هذه المساحة ميكروسوفت فيسوال C ++ / C #، الذي يحتوي على أدوات مساعدة التصحيح واسعة، قدرات اكتمال التعليمات البرمجية (عبر "إنتليسنز") ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق)؛ ماتلاب، الذي صمم لالجبر العددي واسعة النطاق وعمليات فيكتوريسد، ولكن بطريقة وحدة التحكم التفاعلية؛ R ستوديو، الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد كاملة؛ إكليبس إيد لينوكس جافا و C ++؛ و إيدس شبه الملكية مثل إينوهت الستارة لبيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي، سسيبي، سكيت-تعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم).
ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام واجهة المستخدم الرسومية / إيد كما سيتم تنفيذ التعليمات البرمجية "في الخلفية". الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. غالبا ما تكون اللغة المترجمة (مثل C ++) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من هذه الأنظمة إذا كان هذا هو الحال!
وغالبا ما تستفيد اللغات المفترضة مثل بيثون من المكتبات عالية الأداء مثل نومبي / بانداس لخطوة الاختبار المسبق، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين.
إدارة المحفظة وإدارة المخاطر.
وغالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. فهي لا تحاول فقط التخفيف من عدد الرهانات "المحفوفة بالمخاطر"، بل إنها تقلل أيضا من تقلبات الصفقات نفسها، مما يقلل من تكاليف المعاملات.
ويمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على نوعية وربحية الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي.
وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة.
غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات الشائعة أوبلاس، لاباك و ناغ ل C ++. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبي / سسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تمت إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة بشكل جيد!) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول.
إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. يمكن أن تأتي المخاطر في أشكال عديدة: زيادة التقلب (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة!)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث "البجعة السوداء"، والبق غير المكتشفة في قانون التداول، على سبيل المثال لا الحصر.
وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والروابط بين فئات األصول وتأثيرها الالحق على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل مونت كارلو "اختبارات الإجهاد". وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن "رمي الأجهزة في المشكلة".
أنظمة التنفيذ.
وتتمثل مهمة نظام التنفيذ في تلقي إشارات تجارية مصفاة من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع.
تشير "جودة" واجهة برمجة التطبيقات إلى مدى توثيقها بشكل جيد، ونوع الأداء الذي توفره، وما إذا كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة سطح المكتب أوبونتو على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب!
توفر معظم واجهات برمجة التطبيقات واجهة C ++ و / أو جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C #، بايثون، R، إكسل وماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة.
تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو من الأهمية بمكان. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية.
تعتبر اللغات التي تمت كتابتها إحصائيا (انظر أدناه) مثل C ++ / جافا بشكل عام مثالية للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن بشكل عام "سريع بما فيه الكفاية". تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن "تبديلها" خارجا كما موازين النظام.
التخطيط المعماري وعملية التنمية.
وقد نوقشت أعلاه مكونات نظام تجاري، ومتطلباته من حيث التردد والحجم، غير أنه لم يتم بعد تغطية الهياكل الأساسية للنظام. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن "يرتدي قبعات كثيرة". وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل.
فصل الشواغل.
ومن أهم القرارات التي يجب اتخاذها في البداية كيفية "فصل الشواغل" عن نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة.
من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي "أفضل الممارسات" لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما.
إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي.
على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق.
فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسوف يكون هذا هو الحال إذا كانوا التواصل عبر تكب / إب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة.
وكمثال ملموس، يجب النظر في حالة نظام باكتستينغ الذي كتب في C ++ لأداء "طحن عدد"، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بيثون باستخدام سسيبي و إبي.
اعتبارات الأداء.
الأداء هو اعتبار كبير لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. "الأداء" يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، I / O البيانات، التزامن / التوازي والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء.
الحكمة السائدة كما ذكر دونالد نوث، أحد آباء علوم الحاسوب، هو أن "التحسين المبكر هو جذر كل الشر". هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد! بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور.
وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء.
C ++ و جافا و بيثون و R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمي. C ++ السفن مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبي / سسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد.
ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة وأن الخوارزمية تستخدم استخداما مكثفا للإضافات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان "إعادة اختراع العجلة" الوقت النفايات التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد.
وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (زمن الاستجابة للقرص / الشبكة)، يجب إنشاء إشارات (التشغيل المؤقت، زمن استجابة الرسائل)، وإشارات التجارة المرسلة (زمن استجابة نيك) والأوامر المعالجة (زمن الاستجابة الداخلي للتبادل).
لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو منطقة عميقة و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة!
التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى "ضرب قاعدة البيانات" وبالتالي مكاسب الأداء يمكن أن تكون كبيرة.
للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. من المرجح أن يكون هذا التجميع وحدة المعالجة المركزية عالية أو القرص I / O العملية.
ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. وثمة مسألة أخرى هي تكديس الكلاب، حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة.
تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. وبالتالي فإنه من الضروري لتطبيقات التداول أداء أعلى أن تكون على بينة جيدا كيف يتم تخصيص الذاكرة وإزالة ديالوكاتد خلال تدفق البرنامج. معايير اللغة الأحدث مثل جافا و C # و بيثون جميعها تؤدي إلى جمع القمامة التلقائي، الذي يشير إلى إلغاء تخصيص الذاكرة التي يتم تخصيصها ديناميكيا عندما تخرج الكائنات من النطاق.
جمع القمامة مفيد للغاية أثناء التطوير لأنه يقلل من الأخطاء ويساعد القراءة. ومع ذلك، فإنه غالبا ما يكون دون المستوى الأمثل لبعض استراتيجيات التداول عالية التردد. عادة ما تكون هناك حاجة لجمع القمامة المخصصة لهذه الحالات. في جافا، على سبيل المثال، من خلال ضبط جامع القمامة وتكوين كومة الذاكرة المؤقتة، فمن الممكن الحصول على أداء عال لاستراتيجيات هفت.
C ++ لا توفر جامع القمامة الأصلي ولذلك فمن الضروري التعامل مع جميع تخصيص الذاكرة / ديالوكاتيون كجزء من تنفيذ كائن. في حين يحتمل أن يكون عرضة للخطأ (يحتمل أن يؤدي إلى مؤشرات التعلق) من المفيد للغاية أن يكون التحكم الدقيق الحبيبات لكيفية ظهور الكائنات على كومة لتطبيقات معينة. عند اختيار لغة تأكد من دراسة كيفية عمل جامع القمامة وما إذا كان يمكن تعديلها لتحسين حالة استخدام معينة.
العديد من العمليات في أنظمة التداول الخوارزمية هي قابلة للتوازي. وهذا يشير إلى مفهوم تنفيذ عمليات برمجية متعددة في نفس الوقت، أي في "موازية". وتشمل ما يسمى بالخوارزميات "الموازية بشكل محرج" خطوات يمكن حسابها بشكل مستقل تماما عن الخطوات الأخرى. بعض العمليات الإحصائية، مثل محاكاة مونتي كارلو، هي مثال جيد للخوارزميات المتوازية بشكل محرج حيث يمكن حساب كل سحب عشوائي وعملية المسار اللاحقة دون معرفة مسارات أخرى.
الخوارزميات الأخرى هي موازية جزئيا فقط. ديناميات السوائل المحاكاة هي مثل هذا المثال، حيث مجال الحساب يمكن تقسيمها، ولكن في نهاية المطاف يجب أن هذه المجالات التواصل مع بعضها البعض، وبالتالي فإن العمليات هي متتابعة جزئية. تخضع الخوارزميات المتوازية لقانون أمدال، الذي يوفر الحد الأعلى النظري لزيادة أداء خوارزمية متوازية عندما يخضع لعمليات $ N $ منفصلة (على سبيل المثال، على وحدة المعالجة المركزية الأساسية أو مؤشر الترابط).
أصبح باراليليساتيون ذات أهمية متزايدة كوسيلة للتحسين منذ ركض سرعة المعالج على مدار الساعة، كما تحتوي المعالجات الأحدث العديد من النوى التي لإجراء حسابات موازية. وقد أدى ارتفاع أجهزة الرسومات الاستهلاكية (في الغالب لألعاب الفيديو) إلى تطوير وحدات المعالجة الرسومية (غبوس)، التي تحتوي على مئات من "النوى" لعمليات متزامنة للغاية. وأصبحت وحدات معالجة الجرافيك هذه بأسعار معقولة جدا. وقد أدت الأطر الرفيعة المستوى، مثل أطر نفيديا، إلى اعتماد واسع النطاق في الأوساط الأكاديمية والمالية.
هذه الأجهزة غبو عادة ما تكون مناسبة فقط للجانب البحثي من التمويل الكمي، في حين يتم استخدام الأجهزة الأخرى أكثر تخصصا (بما في ذلك الميدان بوابة برمجة صفائف - فبغاس) ل (U) هفت. في الوقت الحاضر، معظم اللغات الحديثة تدعم درجة من التزامن / تعدد المواضيع. وبالتالي فمن مباشرة لتحسين باكتستر، لأن جميع الحسابات مستقلة بشكل عام عن الآخرين.
يشير التحجيم في هندسة البرمجيات والعمليات إلى قدرة النظام على التعامل مع الأحمال المتزايدة باستمرار في شكل طلبات أكبر، واستخدام المعالج العالي والمزيد من تخصيص الذاكرة. في التداول الخوارزمي استراتيجية قادرة على نطاق إذا كان يمكن قبول كميات أكبر من رأس المال، ولا تزال تنتج عائدات متسقة. جداول تكديس تكنولوجيا التداول إذا كان يمكن أن تحمل حجم التجارة أكبر وزيادة الكمون، دون الاختناقات.
While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as "unscalable". This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never "better" than another in every sense.
One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle "spikes" in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a "message queuing architecture". This simply means placing a message queue system between components so that orders are "stacked up" if a certain component is unable to process many requests.
Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ.
Hardware and Operating Systems.
The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your application will reside. The choice is generally between a personal desktop machine, a remote server, a "cloud" provider or an exchange co-located server.
Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7/8, Mac OSX and Ubuntu. Desktop systems do possess some significant drawbacks, however. The foremost is that the versions of operating systems designed for desktop machines are likely to require reboots/patching (and often at the worst of times!). They also use up more computational resources by the virtue of requiring a graphical user interface (GUI).
Utilising hardware in a home (or local office) environment can lead to internet connectivity and power uptime problems. The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server (or cloud based system) of comparable speed.
A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring. They are harder to administer since they require the ability to use remote login capabilities of the operating system.
In Windows this is generally via the GUI Remote Desktop Protocol (RDP). In Unix-based systems the command-line Secure SHell (SSH) is used. Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools (such as MatLab or Excel) to be unusable.
A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm. This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha.
The final aspect to hardware choice and the choice of programming language is platform-independence. Is there a need for the code to run across multiple different operating systems? Is the code designed to be run on a particular type of processor architecture, such as the Intel x86/x64 or will it be possible to execute on RISC processors such as those manufactured by ARM? These issues will be highly dependent upon the frequency and type of strategy being implemented.
Resilience and Testing.
One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system.
It is likely that in any reasonably complicated custom quantitative trading application at least 50% of development time will be spent on debugging, testing and maintenance.
Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point .
Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C++ or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb, which is a sophisticated debugging tool. The Microsoft Visual C++ IDE possesses extensive GUI debugging utilities, while for the command line Linux C++ programmer, the gdb debugger exists.
Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to "fill in the blanks", the tests will eventually all pass, at which point development should cease.
TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C++, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options.
In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a "first line of attack" when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact! As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed.
Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns.
While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information.
Trading metrics such as abnormal prices/volume, sudden rapid drawdowns and account exposure for different sectors/markets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric.
System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case.
Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected? 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected? The answers to both of these questions are often sobering!
It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment?
Similarly, high availability needs to be "baked in from the start". Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I won't delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system.
Choosing a Language.
Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised.
Type Systems.
When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C++ and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript.
For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesn't catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. 'Dynamic' languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone.
Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPy/SciPy alleviate this issue due to enforcing a type within arrays.
Open Source or Proprietary?
One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing/maintenance costs.
The Microsoft stack (including Visual C++, Visual C#) and MathWorks' MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant "battle testing" in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds.
Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C++, C# and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many plugins/libraries (some free, some commercial) for nearly any quantitative research domain.
There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools "play well" with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned.
MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive.
Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQL/PostgreSQL, Python, R, C++ and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats.
The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process.
Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce.
Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C++ in order to improve execution speeds, but it requires some experience in multi-language programming.
While proprietary software is not immune from dependency/versioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer.
I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C++ and R. The maturity, community size, ability to "dig deep" if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C++) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend.
Batteries Included?
The header of this section refers to the "out of the box" capabilities of the language - what libraries does it contain and how good are they? This is where mature languages have an advantage over newer variants. C++, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms.
C++ is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms "for free". Python is known for being able to communicate with nearly any other type of system/protocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance).
Outside of the standard libraries, C++ makes use of the Boost library, which fills in the "missing parts" of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C++11 spec, including native support for lambda expressions and concurrency.
Python has the high performance NumPy/SciPy/Pandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL++ (MySQL/C++), JDBC (Java/MatLab), MySQLdb (MySQL/Python) and psychopg2 (PostgreSQL/Python). Python can even communicate with R via the RPy plugin!
An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C++ and Java, but some also support C# and Python, either directly or with community-provided wrapper code to the C++ APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol.
استنتاج.
As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries.
The benefit of a separated architecture is that it allows languages to be "plugged in" for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.
الشروع في العمل: بناء نظام التداول الآلي بالكامل.
على مدى الستة أشهر الماضية ركزت على عملية بناء مجموعة التكنولوجيا الكاملة لنظام التداول الآلي. لقد واجهت العديد من التحديات وتعلمت الكثير عن طريقتين مختلفتين من باكتستينغ (فيكتوريسد والحدث مدفوعة). في رحلتي لبناء حدث باكتستر مدفوعة، جاء لدهشتي أن ما كنت في نهاية المطاف مع قريبة من كومة التكنولوجيا الكاملة اللازمة لبناء استراتيجية، باكتست ذلك، وتشغيل التنفيذ المباشر.
وأكبر مشكلتي عند معالجة المشكلة هي نقص المعرفة. نظرت في العديد من الأماكن لمقدمة لبناء التكنولوجيا أو بلوق التي من شأنها أن توجه لي. لقد وجدت بعض الموارد التي سوف أطلعكم عليها اليوم.
للمبتدئين:
بالنسبة للقراء الجدد في التداول الكمي أود أن أوصي كتاب إرني P. تشان بعنوان: التداول الكمي: كيفية بناء الأعمال التجارية الخاصة بك خوارزمية الخاصة بك. هذا الكتاب هو الأساسيات. انها في الواقع الكتاب الأول قرأت على التداول الكمي وحتى ذلك الحين وجدت أنه من الأساسي جدا ولكن هناك بعض الملاحظات يجب أن تأخذ.
From page 81-84 Ernie writes about how at the retail level a system architecture can be split up into semi-automated and fully automated strategies.
نظام شبه الآلي مناسب إذا كنت ترغب في وضع عدد قليل من الصفقات في الأسبوع. إرني توصي باستخدام ماتلاب، R، أو حتى إكسيل. لقد استخدمت جميع منصات 3 وهذا هو نصيحتي:
تخطي ماتلاب، يكلف الكثير من المال، ويمكنني فقط الحصول على الوصول إليها في مختبرات الجامعة. There isn’t a lot of training material like blogs or books that will teach you how to code a strategy using Matlab. R لديها طن من الموارد التي يمكنك الاستفادة من من أجل معرفة كيفية بناء استراتيجية. بلدي بلوق المفضلة التي تغطي هذا الموضوع هو: كوانستتراترادر التي تديرها إيليا كيبنيس. ميكروسوفت إكسيل هو الأكثر احتمالا حيث ستبدأ إذا لم يكن لديك تجربة البرمجة. يمكنك استخدام إكسيل للتداول شبه الآلي ولكن لن تفعل خدعة عندما يتعلق الأمر ببناء كومة التكنولوجيا الكاملة.
الإطار شبه التلقائي ص 81.
أنظمة التداول الآلي تماما هي عندما تريد وضع الصفقات تلقائيا على أساس تغذية البيانات الحية. أنا ترميز الألغام في C #، كوانتكونكت يستخدم أيضا C #، كوانتستارت يمشي القارئ من خلال بناء عليه في بيثون، يستخدم كوانتوبيان بيثون، هفت سوف تستخدم على الأرجح C ++. جافا هي أيضا شعبية.
إطار التداول الآلي بالكامل ص 84.
Step 1: Getting a head start.
هل البرنامج التنفيذي في التداول الخوارزمية التي تقدمها كوانتينستي. لقد بدأت للتو الدورة، وكانت أول مجموعة من المحاضرات على بنية النظام. كان من شأنه أن أنقذني حوالي 3 أشهر من البحث إذا كنت قد بدأت هنا. سارت المحاضرات لي من خلال كل عنصر أن أحتاج فضلا عن وصف تفصيلي لما يحتاج كل مكون القيام به. في ما يلي لقطة شاشة لأحد الشرائح المستخدمة في العرض التقديمي:
يمكنك أيضا استخدام هذا الإطار العام عند تقييم أنظمة التداول الآلي الأخرى.
في وقت كتابة هذا التقرير، أنا فقط في الأسبوع الثالث من المحاضرات ولكنني واثق من أن الممارس سوف تكون قادرة على بناء استراتيجية التداول الآلي بالكامل التي يمكن، مع قليلا من البولندية، تتحول إلى بدايات صندوق التحوط الكمي .
ملاحظة: بالطبع لا تركز على بناء كومة التكنولوجيا.
الخطوة 2: كود الحدث الأساسي مدفوعة باكتستر.
مدونة مايكل هالسمور كوانتستارت & أمب؛ كتاب "نجاح خوارزمية التداول"
يحتوي هذا الكتاب على أقسام مخصصة لبناء حدث قوي مدعوم باكتستر. يمشي القارئ من خلال عدد من الفصول التي سوف تشرح اختياره للغة، وأنواع مختلفة من باكتستينغ، وأهمية الحدث مدفوعة باكتستينغ، وكيفية رمز باكتستر.
يقدم مايكل القارئ إلى الطبقات المختلفة المطلوبة في تصميم موجه الكائن. كما أنه يعلم القارئ لبناء قاعدة بيانات رئيسية للأوراق المالية. ومن هنا سترى كيف بنية النظام من كوانتينستي يناسب في.
ملاحظة: سوف تحتاج لشراء كتابه: "ناجحة التداول الخوارزمية"، بلوق له يترك الكثير من المعلومات.
الخطوة 3: أنتقل إلى تورينجفينانس.
The EPAT program Reading “Successful Algorithmic Trading” & ترميز باكتستر في لغة مختلفة من اختيارك.
يجب عليك الانتقال إلى بلوق يسمى تورينجفينانس وقراءة المقال بعنوان "خوارزمية هندسة نظام التداول" بواسطة: ستيوارت غوردون ريد. في منصبه يصف العمارة التالية المبادئ التوجيهية لل إسو / إيك / إيي 42018 ونظم الهندسة المعمارية وصف الهندسة المعمارية القياسية.
لقد وجدت هذا المنصب جدا التقنية ولديها بعض الأفكار العظيمة التي يجب أن تدرج في الهندسة المعمارية الخاصة بك.
لقطة شاشة من منصبه.
الخطوة 4: دراسة أنظمة التداول مفتوحة المصدر.
4.1) كوانتوبيان.
وغني عن القول أن كوانتوبيان يجب أن تضاف إلى هذه القائمة، وأنا أحرج أن أقول إنني لم أمض الكثير من الوقت باستخدام برنامجهم (بسبب اختياري للغة). كوانتوبيان ديه العديد من الامتيازات ولكن تلك التي التمسك معظم لي هي التالية:
من السهل تعلم بيثون حرية الوصول إلى العديد من مجموعات البيانات مجتمع ضخم والمسابقات أنا أحب كيف يستضيفون كوانتكون!
كوانتوبيان هو قادة السوق في هذا المجال، ويحب من قبل كوانتس في جميع أنحاء! مشروع مفتوح المصدر تحت اسم الرمز زيبلين وهذا هو قليلا عن ذلك:
"زيبلين هو محركنا مفتوح المصدر الذي يجبر باكتستر في إيد. يمكنك ان ترى مستودع كود في جيثب وتساهم طلبات السحب للمشروع. هناك مجموعة غوغل متاحة لطلب المساعدة وتسهيل المناقشات ".
في ما يلي رابط إلى وثائقهم:
4.2) كوانتكونيكت.
بالنسبة لأولئك منكم غير مألوف مع كوانتكونيكت، فإنها توفر محرك التداول خوارزمية كاملة المصدر المفتوح. إليك رابط.
يجب أن يكون لديك نظرة على التعليمات البرمجية، ودراستها، & أمب؛ منحهم الثناء. فهي مسابقة كوانتوبيانز.
وأود أن أغتنم هذه الفرصة لأشكر فريق كوانتكونيكت للسماح لي اختيار الدماغ والخدمة الرائعة التي تقدمها.
في ما يلي رابط إلى وثائقهم:
ملاحظات ختامية:
آمل أن يساعد هذا الدليل أعضاء المجتمع. أتمنى لو كان لدي هذه البصيرة قبل 6 أشهر عندما بدأت في ترميز نظامنا.
أود أن أتواصل مع المجتمع واسأل: "ما هي دورات التداول الخوارزمية الجيدة التي تعرفونها؟" أود أن أكتب وظيفة التي تبحث في الموضوع وتوفر الترتيب. هل هناك أي توصيات لبناء نظام تجاري مؤتمت بالكامل ترغب في إضافته إلى هذه المشاركة؟
شارك هذا:
مشاركة هذا الإدخال.
قد يعجبك ايضا.
مقال جميل. أتمنى لو كان ذلك قبل حوالي 6 أشهر. يمكنني استخدام كوانتكونيكت لأنني مبرمج C #. لقد وجدت أنه من المريح جدا أن تكون قادرة على تحميل العجاف واختبار الظهر محليا. كما أن البحث عن طريق رمزها مفيد. كما أنها قطعت صفقة مع تراديير ل $ 1 الصفقات. وهذا يساعد كثيرا. أنا لست بارزة حول تراديير ينتشر والتنفيذ. يب قد يكون أفضل لذلك.
I will take a look at the course you mentioned.
أنت لم تذكر كوانتوكريسي أو روبلوجرز. وكلاهما موارد قيمة جدا.
ما الذي تستخدمه لرسم نتائج الاختبارات الخلفية؟ أنا تسجيل أوهلك وقيم مؤشر ل كسف من الحدث أونداتا وأنا متعب حقا من استخدام إكسيل لرسم النتائج. أود أن أكون قادرا على توجيه حزمة الرسوم البيانية إلى ملف البيانات وانها مجرد الذهاب.
هل لديك بائع تيار القراد حتى الآن؟
لدي فكر واحد حول أنظمة مدفوعة الحدث. المشكلة مع الأحداث هي أنها غير متجانسة والكامنة. يبدو أنها لا مفر منها في أقرب وقت كما تحصل على الوساطة المعنية، لذلك لقد كان يحلم نظام أكثر تدفق بعد مبادئ البرمجة الوظيفية.
& # 8211؛ تجريب شريط أو شريط تيار.
& # 8211؛ تشغيله من خلال عملية حساب المؤشرات، وتشغيل تحليلات أو مل، وهكذا دواليك.
& # 8211؛ نعود إشارة.
& # 8211؛ إرساله إلى وسيط لتنفيذ.
ثم في تيار منفصل.
& # 8211؛ الحصول على رد من الوسيط.
المشكلة بالطبع هي الدولة. هل لدي هامش كاف لجعل التجارة؟ ما هو في محفظتي؟ How is it performing? وعادة ما يتم الاستعلام عن أبي وسيط لمعرفة أن الاشياء، ولكن الامر يستغرق وقتا طويلا وغير متجانسة. أنا أيضا أبحث في ملحقات ر. وبهذه الطريقة يمكن للنظام أن يتفاعل مع التغيرات في النظام من خلال نمط يمكن ملاحظته.
الأحداث كبيرة لنقرات الماوس. Not so great for high volume transactional processing.
هذا هو بالضبط النهج الذي أخذته مع الاشياء الخاصة بي. أساسا لدي & # 8216؛ عادي & # 8217؛ البرنامج الذي يلتف حول جزء صغير هذا الحدث مدفوعة للتحدث إلى الوسيط (يب أبي). الآن لمشكلة الدولة. لديك خيارين. الحصول على الدولة من وسيط، أو تخزينه داخليا تحديثه عندما تحصل على التعبئة مرة أخرى. وهذا يعني أن هناك أوقات لا تعرف فيها ولايتك، أو عندما يكون مصدر الدولة المحتملان في حالة نزاع (بيانات سيئة أو تأخر). جزء من هذا يعتمد على مدى سرعة التداول. إلا إذا كنت تتداول بسرعة حقا ثم التوقف إذا كان لديك صراع الدولة، أو كنت غير متأكد من الدولة، هو أفضل من المضي قدما دون معرفة دولتكم. يمكنني استخدام قاعدة بيانات & # 8216؛ قفل & # 8217؛ نموذج للتعامل مع هذا.
فيما يتعلق تقريبا كل ما طلبته، كنت على مقربة من الجواب في رد الفعل التفاعلي (ر).
مع ر الذهاب من القراد إلى الشموع هو تافهة.
Going from Candles to Indicators is trivial.
تأليف مؤشرات من مؤشرات أخرى هو تافهة.
إن تأليف املراكز من املؤرشات تافهة.
تأليف المحافظ (كما عقدت مع مرور الوقت) من المراكز هو تافهة.
محاكاة نموذج المخاطر هو تافهة.
الاختبار مرة أخرى أو التداول المباشر هو ببساطة اتخاذ قرار بين تيار مباشر من البيانات أو إعادة محاكاة محاكاة للبيانات قاعدة البيانات.
التنفيذ هو تافهة.
تنفيذ ممكن في كل شيء من C # إلى F # إلى جافا سكريبت ل C ++ في رمز متطابقة تقريبا.
يتم التحسين بسرعة لأن ر بحتة وظيفية بارولاليزابل على نطاق واسع إلى غبو.
ومن المسلم به أن تحسين وتغذية تأثير التحسين المستمر مرة أخرى في الاختبار الخلفي هو غير تافهة، ولكن نظرا لأنه غير تافهة على أي حال، أنا & # 8217؛ م الذهاب إلى السماح لهذه الشريحة واحدة 😉
بحتة وظيفية (أو على مقربة منه) ر هو في رأيي الطريقة الوحيدة لمعالجة البنية التحتية لهذه المشكلة.
أعرف النظام أريد التجارة. أنا لا أريد أن برنامج أو تعلم شيئا شخص آخر يعرف بالفعل. حتى الذين يمكنني استئجار لاتخاذ النظام أريد استخدام وأتمتة ذلك. بأتمتة ذلك، يعني أنا لا & # 8217؛ ر تريد أن ننظر في الأمر. وسوف نلقي نظرة على النتائج مرة واحدة في الأسبوع، وسيتم تنفيذ الصفقات دون عنايتي. يبدو غريبا بالنسبة لي أنه في عام 2018، الكثير من الجهد يحتاج إلى الذهاب إلى اتخاذ مجموعة من القواعد وجود تلك القواعد تنفيذ في وسيط بلدي.
أود أن أقترح الاشتراك مع كوانتوبيان ومن ثم إيجاد شخص داخل المجتمع هناك لبناء استراتيجية بالنسبة لك. They will be able to build it for you inside the IB brokers platform and be fully automated.
اسمحوا لي أن أقول على الرغم من أنني أعتقد أنه يجب مراقبته عن كثب، وليس فقط & # 8220؛ ننسى ذلك ل & # 8221؛.
No comments:
Post a Comment